【技术实现步骤摘要】
本专利技术涉及输电模型，具体涉及一种巡线图像的图像检验方法。
技术介绍
1、传统的图片去重算法可以分为基于全局特征的去重算法和基于局部特征的去重算法。其中，基于全局特征的去重算法从图像中提取全局特征，如颜色直方图、梯度直方图等。但此类方法很难满足去重要求，因为全局特征只能描述图像的全局统计特性，而对于特征在图像中的分布缺乏描述能力，例如，颜色直方图只能描述各颜色在图像中所占的比重，而对于不同颜色在图像中的空间分布没有限定，对颜色比重相似的图像，将无法达到去重的目的。也有的将多个全局特征相结合，但对于复杂图像，这些特征对于图像的描述还是不够详细，无法达到判定重复的目的。
2、如中国专利cn116596132a，公开日2023年08月15日，本专利技术是一种基于数据迭代的输电模型优化系统及方法，其包括：样本采集模块，用于对输电巡线图像进行归集、预处理和标注，以便于训练深度学习目标检测模型；人工智能运行模块，用于训练出基准模型，将模型打包导出并发布模型能力服务，将服务提供给应用告警模块；应用告警模块，用于上传本地输电巡检样本，并调用模型服务进行检测。本专利技术通过构建神经网络模型，基于大量标注数据迭代训练学习，以提升模型精度，最终训练的模型可以完成特定的任务，为输电巡检工作提供技术支持，可以有效地提高模型的准确率和识别效率；本专利技术中的图片查重精度不高，查重效率低下。
技术实现思路
1、本专利技术要解决的技术问题是：现有巡线图片重复判断精度不高的技术问题。提出了一种巡线图像
2、为解决上述技术问题，本专利技术所采取的技术方案为：一种巡线图像的图像检验方法，包括以下步骤：
3、s1：提起局部特征，计算特征表示向量；
4、s2：计算tf-idf权重向量，并进行排序；
5、s3：待去重巡线图片与同巡线图片组中平均特征表示向量tf-idf与设定的阈值比较，判断是否为第一类重复；
6、s4：选取排序靠前的n幅图片进行霍夫投票；
7、s5：投票数与设定的阈值比较，判断是否为第二类重复。
8、一种巡线图像的图像检验方法，接收图片之后，对图片进行第一类重复和第二类重复的判定，系统建立过程中，需要对每一杆塔或输电线图片组建立视觉词典，亦即分别提取局部sift特征并聚类得到视觉单词，对每一图片建立特征表示向量，特征表示向量的每一个元素表示该特征出现频率，进行第一类重复和第二类重复时，若待去重巡线图片判定为重复，则需要通知无人机平台并生成报表。
9、作为优选，所述步骤s2包括以下内容：
10、s21：利用近似k均值聚类算法，搜索n个最近邻，获得最相似的n幅图片；
11、s22：计算待去重巡线图片中视觉单词的tf-idf权值和相对应视觉单词的tf-idf之间的距离；
12、s23：根据得到的相对应视觉单词的tf-idf之间的距离进行升序排序。进行第一类重复判断时，首先利用近似k均值聚类算法进行基于倒排索引的快速局部特征索引，kd-树中存储的元素是128维的sift向量，根据获得的相似图片的数量，计算该视觉单词的tf-idf权值，同时利用优先级搜索的方法确定相对应视觉单词的tf-idf之间的距离，根据这些距离进行升序排序，排名靠前的相似度高，排名靠后的相似度低。
13、作为优选，所述步骤s4包括以下内容：将待去重巡线图片中的特征点与进行第一类重复判断的返回图片中的特征点进行匹配，获得关系模型；像素空间中像素点对应的参数空间中相应线条通过的数组元素代表一张投票，统计像素空间中像素点对应的参数空间中相应线条通过的所有数组元素，获得最终投票数。对升序排序排名靠前的待去重巡线图片进行第二类重复判断，采用基于霍夫投票的方法，设定几何变换模型，实现待去重巡线图片和返回图片几何一致性的检验从而达到重复判定的目的。
14、作为优选，所述关系模型的计算步骤为：提取待去重巡线图片中的特征点f(x，y)和进行第一类重复判断的返回图片中的特征点g(u，v)；获得f(x，y)和g(u，v)之间的对应关系v＝hy(x，y)；对得到的对应关系h(x，y)和h(x，y)进行变换模型拟合，获得基于多项式或高阶多项式的几何变换模型；通过分析多维数组上的投票数最大值点得到最优几何变换参数；根据最优几何变换参数判断是否符合几何变换。经过拟合后得到的基于多项式和高级多项式的配准变换模型如下所示：
15、
16、其最优几何变换参数为ai，j和bi，j，通过两幅图像之间的内在联系建立投票机制，并从参数空间的投票数峰值得到关于几何变换的有用信息。
17、作为优选，所述步骤s1中提取sift作为局部特征，并利用sift在高斯尺度空间中检测关键点构建sift描述子，输入待去重图像i(x，y)，计算过程如下所示：
18、l(x，y，σ)＝i(x，y)*g(σ)
19、d(x，y，σ)＝l(x，y，kσ)-l(x，y，σ)
20、其中：g(σ)表示方差为σ的高斯滤波器；k＝21/s，s为尺度空间的层数。需要s+3幅高斯模糊图像来生成s+2幅高斯差分图像，一个层级处理完后，第s+1幅图像将被2被降采样后用作下一个层级的第一幅图像。
21、作为优选，所述关键点的检测方法如下所示：sift首先在d(x，y，σ)中比较每个像素和它的8个近邻以及相邻两个子层中的18个近邻以搜索局部极小点获极大点；通过抑制非最大值点过滤掉不稳定的极值点，得到离散位置和预定义层级上的关键点；估计准确的子像素级的关键点位置以及尺度，移除低对比度和沿边缘的关键点；给每个关键点分配方向。sift包括特征检测和特征描述部分，sift描述子仅仅指特征描述。
22、作为优选，所述sift描述子的计算过程如下所示：根据关键点的尺度从尺度空间中取出相对应的高斯模糊图像；取出关键点周围16x16个格子的邻域，对此区域内的每一个采样点，计算出其梯度幅度和方向；16x16个格子的局部区域中的每一个格子进一步被划分为4x4的子网格；每个格子中，在梯度幅度和高斯加权的基础上计算出梯度方向直方图；所有梯度直方图拼接形成128维的描述子，128维描述子被归一化为单位长度，大于0.2的元素被截断为0.2并再一次归一化为单位长度。sift实际上是积累被高斯加权和梯度幅度加权的3维的空间位置和梯度方向直方图。
23、作为优选，所述第二类重复判断的阈值根据几何变换不同容许程度设置不同阈值。由于sift特征具有平移旋转不变性，因而所有图片组都能成功对第二类重复进行区别；而当变换参数较大，带来几何形变较大时，匹配特征所占比例减小，对于不同的多项式几何变换参数，为了达到不同识别成功率需要设定不同的阈值。
24、本专利技术的实质性效果是：本专利技术设计了一种巡线图像的图像检验方法，通过对第一类重复和第二类重复的分别判断，区分第一类重复和第二类重复；经过先分割再通过比较视本文档来自技高网...
【技术保护点】
1.一种巡线图像的图像检验方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种巡线图像的图像检验方法，其特征在于，所述步骤S2包括以下内容：
3.根据权利要求1所述的一种巡线图像的图像检验方法，其特征在于，所述步骤S4包括以下内容：将待去重巡线图片中的特征点与进行第一类重复判断的返回图片中的特征点进行匹配，获得关系模型；像素空间中像素点对应的参数空间中相应线条通过的数组元素代表一张投票，统计像素空间中像素点对应的参数空间中相应线条通过的所有数组元素，获得最终投票数。
4.根据权利要求3所述的一种巡线图像的图像检验方法，其特征在于，所述关系模型的计算步骤为：提取待去重巡线图片中的特征点f(x，y)和进行第一类重复判断的返回图片中的特征点g(u，v)；获得f(x，y)和g(u，v)之间的对应关系v＝hy(x，y)；对得到的对应关系h(x，y)和h(x，y)进行变换模型拟合，获得基于多项式或高阶多项式的几何变换模型；通过分析多维数组上的投票数最大值点得到最优几何变换参数；根据最优几何变换参数判断是否符合几何变换。
5.根据权利要
6.根据权利要求5所述的一种巡线图像的图像检验方法，其特征在于，所述关键点的检测方法如下所示：SIFT首先在D(x，y，σ)中比较每个像素和它的8个近邻以及相邻两个子层中的18个近邻以搜索局部极小点获极大点；通过抑制非最大值点过滤掉不稳定的极值点，得到离散位置和预定义层级上的关键点；估计准确的子像素级的关键点位置以及尺度，移除低对比度和沿边缘的关键点；给每个关键点分配方向。
7.根据权利要求5或6所述的一种巡线图像的图像检验方法，其特征在于，所述SIFT描述子的计算过程如下所示：根据关键点的尺度从尺度空间中取出相对应的高斯模糊图像；取出关键点周围16x16个格子的邻域，对此区域内的每一个采样点，计算出其梯度幅度和方向；16x16个格子的局部区域中的每一个格子进一步被划分为4x4的子网格；每个格子中，在梯度幅度和高斯加权的基础上计算出梯度方向直方图；所有梯度直方图拼接形成128维的描述子，128维描述子被归一化为单位长度，大于0.2的元素被截断为0.2并再一次归一化为单位长度。
8.根据权利要求1所述的一种巡线图像的图像检验方法，其特征在于，所述第二类重复判断的阈值根据几何变换不同容许程度设置不同阈值。
...【技术特征摘要】
1.一种巡线图像的图像检验方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种巡线图像的图像检验方法，其特征在于，所述步骤s2包括以下内容：
3.根据权利要求1所述的一种巡线图像的图像检验方法，其特征在于，所述步骤s4包括以下内容：将待去重巡线图片中的特征点与进行第一类重复判断的返回图片中的特征点进行匹配，获得关系模型；像素空间中像素点对应的参数空间中相应线条通过的数组元素代表一张投票，统计像素空间中像素点对应的参数空间中相应线条通过的所有数组元素，获得最终投票数。
4.根据权利要求3所述的一种巡线图像的图像检验方法，其特征在于，所述关系模型的计算步骤为：提取待去重巡线图片中的特征点f(x，y)和进行第一类重复判断的返回图片中的特征点g(u，v)；获得f(x，y)和g(u，v)之间的对应关系v＝hy(x，y)；对得到的对应关系h(x，y)和h(x，y)进行变换模型拟合，获得基于多项式或高阶多项式的几何变换模型；通过分析多维数组上的投票数最大值点得到最优几何变换参数；根据最优几何变换参数判断是否符合几何变换。
5.根据权利要求1所述的一种巡线图像的图像检验方法，其特征在于，所述步骤s1中提取sift作为局部特征，并利用sift在高斯尺度空间中检测关键...
【专利技术属性】
技术研发人员：温积群，韩泽凯，许资来，周坚，汪大海，
申请(专利权)人：浙江图盛输变电工程有限公司温州科技分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。